云南烤烟化学品质和指纹图谱分析及在质量分类中应用
提高烟叶配方打叶质量的稳定性是卷烟品牌建立和发展的关键。建立一种科学合理的烟叶质量评价和质量分类的方法,以最大限度满足现代烟草企业对不同风格烟叶的需求。本试验对云南省12个烟叶产区2009和2010连续两年的不同部位烟叶化学成分进行分析,建立了烤烟指纹图谱规程及数据库,并试图建立新型的、行之有效的烤烟品质评价和烟叶质量分类的方法。研究的主要内容包括:(1)云南省不同产区烟叶之间常规化学成分的差异分析；(2)烟叶工艺分级之间常规化学成分的差异分析；(3)烟叶指纹图谱特征性总提取剂选定和获取程序规范化研究；(4)指纹图谱特征峰与常规化学成分的相关性分析；(5)应用指纹图谱技术建立云南省烟叶质量分类体系的方法；(6)烤烟指纹图谱对烟叶风格类型划分模型的建立与应用。主要结果如下:
1、云南省不同产区烟叶化学成分的波动区间在年份间比较稳定,为质量分类和配方打叶提供了客观条件。分析表明,云南省典型产区烟叶中pH值、烟碱、总糖、还原糖、两糖差值、糖碱比等化学成分含量变化范围,2009年C3F等级分别是5.32～5.75、1.27％～3.92％、20.86％～36.15％、20.18％～32.03％、0.63％～11.69％和5.95～28.52；B2F等级分别是5.19～5.53、2.50％～4.00％、17.53％～33.64％、13.55％～27.65％、1.13％～9.24％和4.14～13.01；X2F等级分别是5.38～5.71、1.02％～2.07％、22.10％～37.48％、19.31％～29.87％、1.70％～10.06％和13.41～36.92。2010年C3F等级分别是5.25～5.67、1.11％～3.84％、20.20％～37.94％、13.72％～31.81％、1.85％～10.42％和5.55～34.05；B2F等级分别是5.17～5.50、1.84％～4.86％、13.76％～34.32％、12.50％～27.90％、0.8％～10.76％和2.83～18.62；X2F等级分别是是5.37～5.65、1.16％～2.88％、17.81％～45.29％、15.22％～31.60％、0.92％～13.96％和6.54～30.72。
2、应用HPLC分析技术,建立了云南省典型烤烟的指纹图谱技术规程。具体包括(1)确定最佳提取剂及提取条件,(2)色谱分析条件和方法。结果表明,甲醇、乙腈和水等溶剂在250nm吸收很小,对指纹图谱建立无干扰；甲醇提取物指纹图谱精密性、重现性和稳定性总峰面积RSD在6％以下；指纹图谱相似度在0.98以上。
3、为了显示不同烤烟的指纹图谱特征,创新性的建立了指纹图谱的分时数据库。程序可根据需要选择任意时段提取指纹图谱的特征峰特征。方便整理指纹图谱大量的特征峰数据,有效的降低工作量和工作误差。
4、对云南省烤烟指纹图谱的11组分时特征峰进行主成分分析结果表明,前三组主成分方差贡献率达到91.5％。将前三组主成分得分与烟碱、总糖和糖碱比进行相关性分析表明,主成分2和主成分3与烟碱含量表现极显著的正相关,主成分1和主成分2与总糖含量表现显著的负相关性,主成分1和主成分2与糖碱比表现极显著负相关,主成分3与糖碱比表现极显著的正相关。
5、应用多元回归分析建立了烟碱、总糖和糖碱比等化学品质指标与指纹图谱分时特征峰多元回归模型。(1)最优烟碱回归预测模型:烟碱含量(Y)=0.00051615X2-0.44122。X2指的是3min～6min峰面积和。模型F值为3227.64,P<0.0001；(2)最优总糖回归预测模型:总糖含量(Y)=-0.0536X1—0.0013X2—0.03472Xs+0.02099X11+47.01802。其中X1、X2、X8和X11分别是是0min～3min、3min～6min、48min～51min和57min～60min峰面积和。模型F值为14.21,P<0.0001。(3)最优糖碱比回归预测模型:糖碱比(Y)=-0.00328X2+0.0059X4—0.01253X7+31.36150。其中X2、X4和X7分别是3min～6min、21min～24min和42min～45min峰面积和。模型F值为81.69,P<0.0001。
6、在指纹图谱分析的基础上,应用聚类分析将云南省不同产区烟叶进行质量再分类,结果表明,2009年的C3F等级烟叶可分成4类,B2F等级烟叶可分成3类,X2F等级烟叶可分成2类；而2010年C3F等级分成3类,B2F等级分成5类,X2F等级分成3类。
7、根据指纹图谱特征峰数据库资料,应用回归预测模型可较准确的预测烟叶的化学成分。分析结果显示,烟叶中烟碱含量预测结果CV值在0.05以下,总糖含量预测的CV值在0.13以下,糖碱比的CV值在0.25以下。
8.建立了基于指纹图谱数据库判断烟叶质量及分类的神经网络预测模型。结果表明,该模型既可准确的预测烟叶的风格类型又可对烟叶质量进行评价。
烤烟;烟叶质量;指纹图谱;主成分分析;聚类分析;神经网络
华中农业大学
硕士
植物营养学
涂书新;何结望
2011
中文
TS411
81
2011-12-29（万方平台首次上网日期，不代表论文的发表时间）